MétaCan
Menu
Retour à la cohorte
Enregistrement W4311735866 · doi:10.1093/ofid/ofac492.350

272. Do Empiric Antibiotics Improve Outcomes in Clinically Stable Patients Admitted with COVID-19 Pneumonia? Retrospective Cohort Study of 221 U.S. Hospitals, March 1st, 2020-December 31st, 2020

2022· article· en· W4311735866 sur OpenAlexaff
Alexander Lawandi, Jeffrey R. Strich, Xioabai Li, Christina Yek, Sarah Warner, Sameer S. Kadri

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicinePneumoniaMechanical ventilationPneumonia severity indexRetrospective cohort studyEmergency medicinePropensity score matchingInternal medicineCommunity-acquired pneumoniaPediatricsIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Patients admitted with COVID19 pneumonia often receive initial empiric antibacterial therapy (IEAT) despite a known low probability of bacterial co-infection. However, evidence supporting this practice is lacking. We studied the impact of IEAT on the risk of in-hospital mortality, clinical deterioration and antibiotic-associated risks in stable inpatients with COVID-19. Methods Adult inpatients coded for COVID-19 pneumonia stable (no mechanical ventilation or vasopressors) on admission (+1 day) without a clear indication for antibiotics, were identified at hospitals in the Premier Healthcare Database. Patients who received IEAT, defined as the receipt of ≥ 1 antibacterial agent on admission (+1 day), were compared to a control group, using binomial regression with overlap weight matching and downstream adjustment for baseline characteristics (age, gender, race, admission month, surge index, Elixhauser score, any AOFS organ failure POA, ICU admission on day 0 to +2, receipt of remdesivir, corticosteroids, and tocilizumab). The primary outcome was in-hospital mortality or discharge to hospice; secondary outcomes included need for mechanical ventilation on day2+, and rates of non-POA-acute kidney injury (AKI). Results At 221 hospitals between March–December 2020, 39,517 (74%) of 53,431 stable COVID-19 admits received IEAT. Patient and encounter characteristics are shown in Table 1. The crude mortality rates were 12.2% in IEAT recipients and 10.9% in controls. In adjusted analysis of patients who survived beyond admission day, mortality was 11.57% (95% CI 11.24-11.90%) in IEAT recipients and 11.23% (95% CI 10.72-11.74) in controls, for a difference of 0.34% (95% CI -0.23-0.91%, p = 0.24). Subsequent mechanical ventilation occurred similarly between groups (5.72% vs. 5.77%, p=0.83). The adjusted rate of AKI was 2.47% (95% CI 2.31-2.64%) in IEAT recipients, and 3.04% (95% CI 2.74-3.35%) in controls, for a difference of -0.57% (95% CI -0.92-0.22%, p = 0.0014). Table 1.Demographics, clinical and hospital characteristics for patients treated with initial empiric antibiotic therapy (intervention) versus those not treated (control).Figure 1.Standardized mean differences in included covariates before and after several matching strategies comparing covariate values for patients treated and not treated empirically with antibiotics Conclusion In patients with COVID19 initially admitted to the ward, IEAT was not associated with a reduction in mortality or deterioration requiring mechanical ventilation, but with a clinically insignificant reduction in AKI. Empiric antibiotics can likely be safely withheld in this population. Disclosures All Authors: No reported disclosures.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,382
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207